本文へスキップします。

【参】モーダルJS:読み込み
書籍DB:詳細

Pythonによるデータ解析入門

Pythonの基礎を学びながらデータ解析の実践技術が身につく!

本書は『Pythonによる統計分析入門』の多変量解析編に相当するものですが、前著のより発展的な内容として、ネットワーク解析まで扱っています。Pythonの基本を学びながら、より実践で活用できるデータ解析を習得できます。Pythonの解析ライブラリを使った独習書として、多次元データの解析、アソシエーション分析、ネットワーク解析などを丁寧に解説し、実務的な課題にも応用できるようになっています。
第 1 章 データ解析の基礎知識

1.1 データ解析とは

1.2 いろいろな量・データの種類
1.3 分析手法の概観
第 2 章 Pythonとデータ解析ライブラリ
2.1 Pythonの紹介
2.2 動かす環境・Jupyter Notebook
2.3 データ解析パッケージ NumPy と pandas
2.4 可視化のための描画パッケージ Matplotlib
2.5 データアクセス
2.6 欠損データの取り扱い
第 3 章 統計的な手法を使った多変量の分析 ~ 相関分析・回帰分析・主成分分析・因子分析
3.1 相関分析と回帰分析
3.2 カテゴリデータの連関分析
3.3 主成分分析
3.4 因子分析
3.5 コレスポンデンス分析
第 4 章 学習の手法を使った多変量の分析 ~ クラスタ解析・k-近傍・決定木・SVM
4.1 クラスタリングの考え方
4.2 階層型クラスタリング
4.3 k-means法による非階層型クラスタリング
4.4 EMアルゴリズムによる混合ガウス分布の推定
4.5 k-近傍法による分類学習
4.6 決定木学習による分類学習
4.7 サポートベクターマシン (SVM) による分類学習
第 5 章 アソシエーション分析
5.1 アソシエーション分析
5.2 Pythonでのアソシエーション分析
5.3 アソシエーション分析の例
第 6 章 時系列データの解析
6.1 時系列データの解析
6.2 自己回帰移動平均 (ARMA) モデル
第 7 章 ネットワークの解析
7.1 ネットワーク解析の考え方
7.2 基礎的な指標 ~ 経路長・次数・推移性・構造
7.3 中心性・ネットワーク構造・類似性

ここでは、本書内で使用しているコードやCSVを、圧縮ファイル(zip形式)にて提供しています(Program_Samples.zip;約57KB)。圧縮ファイルを解凍(フォルダ付き)してご利用ください。

  • 本ファイルは、本書をお買い求めになった方のみご利用いただけます。本書をよくお読みのうえ、ご利用ください。本ファイルの著作権は、本書の著者である山内長承氏に帰属します。
  • 本ファイルを利用したことによる直接あるいは間接的な損害に関して、著者およびオーム社はいっさいの責任を負いかねます。利用は利用者個人の責任において行ってください。

関連書籍